import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import statsmodels.api as sm

url = 'https://drive.google.com/uc?id=15B-rNStFOTnIL9okkV1RxxgZHx9AU9KK'
df = pd.read_excel(url)

# Show 5 first rows
df.head()

# Show dataset variables (grouped by columns)
df.count() # Liệt kê các biến và số lượng quan sát trong data frame "df"

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 383 entries, 0 to 382
Data columns (total 18 columns):
 #   Column                  Non-Null Count  Dtype  
---  ------                  --------------  -----  
 0   Timestamp               383 non-null    object 
 1   EMAIL                   383 non-null    object 
 2   ID                      383 non-null    object 
 3   GENDER                  383 non-null    object 
 4   SEMESTER                383 non-null    int64  
 5   MAJOR                   383 non-null    object 
 6   GPA                     383 non-null    float64
 7   SALARY_EXPECT           383 non-null    int64  
 8   AFTER_GRAD              383 non-null    object 
 9   COUNTRY_PREF            383 non-null    object 
 10  PROJECT_STYLE           383 non-null    object 
 11  WORK_STYLE              383 non-null    object 
 12  STRENGTH                383 non-null    object 
 13  CODE_LEVEL              383 non-null    int64  
 14  LANGUAGES               383 non-null    object 
 15  FIELD_PREF_MAPPED       383 non-null    object 
 16  JOB_FACTOR_MAPPED       383 non-null    object 
 17  JOB_ASPIRATION_GROUPED  383 non-null    object 
dtypes: float64(1), int64(3), object(14)
memory usage: 54.0+ KB

# Show missing values on data
print(df.isnull().sum()) #returns True if the value is missing
#df0.notnull().sum() #Returns True for non-missing values

Timestamp                 0
EMAIL                     0
ID                        0
GENDER                    0
SEMESTER                  0
MAJOR                     0
GPA                       0
SALARY_EXPECT             0
AFTER_GRAD                0
COUNTRY_PREF              0
PROJECT_STYLE             0
WORK_STYLE                0
STRENGTH                  0
CODE_LEVEL                0
LANGUAGES                 0
FIELD_PREF_MAPPED         0
JOB_FACTOR_MAPPED         0
JOB_ASPIRATION_GROUPED    0
dtype: int64

# Kiểm tra toàn bộ dòng trùng lặp
duplicates = df[df.duplicated()]

# In ra số lượng dòng trùng
print(f"Số dòng trùng lặp: {df.duplicated().sum()}")

# Nếu bạn muốn xem chi tiết các dòng trùng:
print("\nCác dòng trùng lặp:")
print(duplicates)

Số dòng trùng lặp: 0

Các dòng trùng lặp:
Empty DataFrame
Columns: [Timestamp, EMAIL, ID, GENDER, SEMESTER, MAJOR, GPA, SALARY_EXPECT, AFTER_GRAD, COUNTRY_PREF, PROJECT_STYLE, WORK_STYLE, STRENGTH, CODE_LEVEL, LANGUAGES, FIELD_PREF_MAPPED, JOB_FACTOR_MAPPED, JOB_ASPIRATION_GROUPED]
Index: []

# Kiểm tra giá trị duy nhất mỗi cột
print("\n🔢 Số lượng giá trị unique:")
print(df.nunique())

🔢 Số lượng giá trị unique:
Timestamp                 373
EMAIL                     381
ID                        379
GENDER                      3
SEMESTER                   10
MAJOR                      17
GPA                        53
SALARY_EXPECT               4
AFTER_GRAD                  5
COUNTRY_PREF               14
PROJECT_STYLE               2
WORK_STYLE                  2
STRENGTH                    4
CODE_LEVEL                  5
LANGUAGES                   4
FIELD_PREF_MAPPED           6
JOB_FACTOR_MAPPED           6
JOB_ASPIRATION_GROUPED      7
dtype: int64

# Cho các cột số
print("\n📊 Thống kê mô tả cho biến số:")
print(df.describe().round(3))

# Cho các cột dạng object
print("\n📋 Thống kê mô tả cho biến phân loại:")
print(df.describe(include=['object']))

📊 Thống kê mô tả cho biến số:
       SEMESTER      GPA  SALARY_EXPECT  CODE_LEVEL
count   383.000  383.000   3.830000e+02     383.000
mean      2.760    5.650   1.591384e+07       1.979
std       1.634    2.956   4.274653e+06       1.061
min       0.000    0.000   5.000000e+06       1.000
25%       2.000    5.158   1.500000e+07       1.000
50%       3.000    6.000   1.500000e+07       2.000
75%       3.000    7.975   2.000000e+07       3.000
max       9.000   10.000   2.000000e+07       5.000

📋 Thống kê mô tả cho biến phân loại:
                 Timestamp                    EMAIL        ID GENDER  \
count                  383                      383       383    383   
unique                 373                      381       379      3   
top     9/29/2025 14:16:53  steve23121993@gmail.com  SE204881    Nam   
freq                     2                        2         2    336   

                    MAJOR                                 AFTER_GRAD  \
count                 383                                        383   
unique                 17                                          5   
top     Kỹ thuật phần mềm  Vừa làm vừa học thêm chứng chỉ/chuyên môn   
freq                  208                                        176   

        COUNTRY_PREF PROJECT_STYLE WORK_STYLE  \
count            383           383        383   
unique            14             2          2   
top     Đa quốc gia           Nhóm       Nhóm   
freq             211           247        292   

                                             STRENGTH    LANGUAGES  \
count                                             383          383   
unique                                              4            4   
top     Kỹ năng mềm (teamwork, thuyết trình, quản lý)  Đa ngôn ngữ   
freq                                              141          288   

        FIELD_PREF_MAPPED JOB_FACTOR_MAPPED JOB_ASPIRATION_GROUPED  
count                 383               383                    383  
unique                  6                 6                      7  
top     Kỹ thuật phần mềm          Thu nhập    Phát triển phần mềm  
freq                  307               154                    218

# Cấu hình hiển thị
sns.set(style="whitegrid", palette="pastel", font_scale=1.1)

# Phân loại cột
num_cols = df.select_dtypes(include=['int64', 'float64']).columns
cat_cols = df.select_dtypes(exclude=['int64', 'float64']).columns

print("📊 Tổng số cột số:", len(num_cols))
print("📋 Tổng số cột phân loại:", len(cat_cols))

# ===== 1️⃣ Vẽ biểu đồ cho các cột số =====
for col in num_cols:
    plt.figure(figsize=(7,4))
    sns.histplot(df[col], kde=True, bins=15, color="skyblue")
    plt.title(f"Phân phối của {col}")
    plt.xlabel(col)
    plt.ylabel("Tần suất")
    plt.tight_layout()
    plt.show()

# ===== 2️⃣ Vẽ biểu đồ cho các cột phân loại =====
for col in cat_cols:
    plt.figure(figsize=(max(10, len(df[col].unique()) * 0.6), 5))
    value_counts = df[col].value_counts()
    sns.barplot(x=value_counts.index, y=value_counts.values, color="lightcoral")
    plt.title(f"Tần suất xuất hiện của {col}")
    plt.xticks(rotation=45, ha='right')
    plt.ylabel("Số lượng")
    plt.xlabel(col)
    plt.tight_layout()
    plt.show()

📊 Tổng số cột số: 4
📋 Tổng số cột phân loại: 14

plt.figure(figsize=(6,4))
sns.heatmap(df.corr(numeric_only=True), annot=True, cmap='Blues')
plt.title("Ma trận tương quan giữa các biến số")
plt.show()

import sqlite3
import os

# Thiết lập kết nối SQLite trong bộ nhớ (in-memory)
try:
    conn = sqlite3.connect(':memory:')

    # Ghi DataFrame vào một bảng tạm thời trong SQL, đặt tên bảng là 'data'
    # index=False: không lưu index của Pandas vào SQL
    df.to_sql('data', conn, if_exists='replace', index=False)
    print("Đã tạo bảng 'data' trong SQLite thành công.")

except FileNotFoundError:
    print(f"LỖI: Không tìm thấy file {FILE_NAME}. Vui lòng đảm bảo file nằm cùng thư mục với script Python.")
    exit()
except Exception as e:
    print(f"LỖI trong quá trình thiết lập: {e}")
    exit()

# Hàm trợ giúp để chạy truy vấn và in kết quả
def run_sql_query(query, description):
    print(f"\n=============================================")
    print(f"{description}")
    print(f"=============================================")
    try:
        result_df = pd.read_sql_query(query, conn)
        # Sử dụng to_string để đảm bảo hiển thị đủ nội dung
        print(result_df.to_string(index=False))
    except Exception as e:
        print(f"LỖI SQL: {e}")

Đã tạo bảng 'data' trong SQLite thành công.

# 1. Truy vấn: Kỳ vọng Lương trung bình (SALARY_EXPECT) theo Chuyên ngành (MAJOR)
q1 = """
SELECT
    MAJOR,
    AVG(SALARY_EXPECT) AS Avg_Expected_Salary
FROM
    data
GROUP BY
    MAJOR
ORDER BY
    Avg_Expected_Salary DESC;
"""
run_sql_query(q1, "1. [SQL] Lương trung bình mong muốn theo Chuyên ngành")

=============================================
1. [SQL] Lương trung bình mong muốn theo Chuyên ngành
=============================================
                       MAJOR  Avg_Expected_Salary
Truyền thông đa phương tiện          2.000000e+07
                Truyền thông         2.000000e+07
             Thiết kế đồ họa         2.000000e+07
           Digital marketing         2.000000e+07
                     Vi mạch         1.785714e+07
                        Khác         1.777778e+07
           An toàn thông tin         1.770833e+07
          hệ thống thông tin         1.750000e+07
            Trí tuệ nhân tạo         1.585938e+07
           Kỹ thuật phần mềm         1.550481e+07
           Kĩ thuật phần mềm         1.500000e+07
          Hệ thống thông tin         1.500000e+07
            Hệ thống dữ liệu         1.500000e+07
          Hệ Thống Thông Tin         1.500000e+07
           Công nghệ ô tô số         1.500000e+07
         Hệ thống thông tin          1.416667e+07
        Thiết kế mỹ thuật số         1.000000e+07

# 3. Truy vấn: Tỉ lệ sinh viên tự đánh giá trình độ Code giỏi (CODE_LEVEL >= 4)
q3 = """
SELECT
    (CAST(SUM(CASE WHEN CODE_LEVEL >= 4 THEN 1 ELSE 0 END) AS REAL) * 100 / COUNT(*)) AS Percentage_Level_4_Plus
FROM
    data;
"""
run_sql_query(q3, "3. [SQL] Tỉ lệ sinh viên tự đánh giá trình độ Code giỏi (Level >= 4)")

=============================================
3. [SQL] Tỉ lệ sinh viên tự đánh giá trình độ Code giỏi (Level >= 4)
=============================================
 Percentage_Level_4_Plus
                6.005222

# 4. Truy vấn: Top 5 Yếu tố Công việc quan trọng nhất (JOB_FACTOR_MAPPED)
q4 = """
SELECT
    JOB_FACTOR_MAPPED,
    COUNT(*) AS Count
FROM
    data
GROUP BY
    JOB_FACTOR_MAPPED
ORDER BY
    Count DESC
LIMIT 5;
"""
run_sql_query(q4, "4. [SQL] Top 5 Yếu tố Công việc quan trọng nhất")

=============================================
4. [SQL] Top 5 Yếu tố Công việc quan trọng nhất
=============================================
       JOB_FACTOR_MAPPED  Count
                Thu nhập    154
         Đam mê bản thân     79
       Cơ hội thăng tiến     50
              Sự ổn định     47
Môi trường chuyên nghiệp     41

# 5. Truy vấn: Phân biệt GPA giữa sinh viên muốn làm việc Trong Nước vs. Nước Ngoài
q5 = """
SELECT
    CASE WHEN COUNTRY_PREF LIKE '%Việt Nam%' THEN 'Trong Nước' ELSE 'Nước Ngoài' END AS Location,
    AVG(GPA) AS Avg_GPA
FROM
    data
GROUP BY
    Location;
"""
run_sql_query(q5, "5. [SQL] So sánh GPA trung bình: Trong Nước vs. Nước Ngoài")

=============================================
5. [SQL] So sánh GPA trung bình: Trong Nước vs. Nước Ngoài
=============================================
  Location  Avg_GPA
Nước Ngoài 5.514611
Trong Nước 5.976987

# 6. Truy vấn: Chuyên ngành nào có nhiều sinh viên mong muốn mức lương tối đa nhất (20000000)
q6 = """
SELECT
    MAJOR,
    COUNT(*) AS Count
FROM
    data
WHERE
    SALARY_EXPECT = 20000000
GROUP BY
    MAJOR
ORDER BY
    Count DESC;
"""
run_sql_query(q6, "6. [SQL] Chuyên ngành có nhiều sinh viên mong muốn lương 20 triệu nhất")

=============================================
6. [SQL] Chuyên ngành có nhiều sinh viên mong muốn lương 20 triệu nhất
=============================================
                       MAJOR  Count
           Kỹ thuật phần mềm     85
            Trí tuệ nhân tạo     29
                     Vi mạch     18
           An toàn thông tin     15
          Hệ thống thông tin      9
                        Khác      7
             Thiết kế đồ họa      2
          hệ thống thông tin      1
Truyền thông đa phương tiện       1
                Truyền thông      1
         Hệ thống thông tin       1
           Digital marketing      1

# 7. Truy vấn: Mức độ tự tin về Kỹ năng mềm (STRENGTH) của sinh viên Nữ so với Nam
q7 = """
SELECT
    GENDER,
    COUNT(*) AS Soft_Skill_Count
FROM
    data
WHERE
    STRENGTH = 'Kỹ năng mềm (teamwork, thuyết trình, quản lý)'
GROUP BY
    GENDER;
"""
run_sql_query(q7, "7. [SQL] Số lượng sinh viên chọn Kỹ năng mềm là điểm mạnh theo Giới tính")

=============================================
7. [SQL] Số lượng sinh viên chọn Kỹ năng mềm là điểm mạnh theo Giới tính
=============================================
               GENDER  Soft_Skill_Count
Không muốn nêu cụ thể                 4
                  Nam               115
                   Nữ                22

# 8. Truy vấn: Mức lương trung bình theo phong cách làm việc mong muốn (WORK_STYLE)
q8 = """
SELECT
    WORK_STYLE,
    AVG(SALARY_EXPECT) AS Avg_Expected_Salary
FROM
    data
GROUP BY
    WORK_STYLE;
"""
run_sql_query(q8, "8. [SQL] Lương trung bình mong muốn theo Phong cách làm việc")

=============================================
8. [SQL] Lương trung bình mong muốn theo Phong cách làm việc
=============================================
WORK_STYLE  Avg_Expected_Salary
   Cá nhân         1.549451e+07
      Nhóm         1.604452e+07

# 9. Truy vấn: GPA trung bình của nhóm sinh viên có kỳ vọng lương cao (>= 15 triệu)
q9 = """
SELECT
    AVG(GPA) AS Avg_GPA_High_Salary_Expectation,
    COUNT(*) AS Count
FROM
    data
WHERE
    SALARY_EXPECT >= 15000000;
"""
run_sql_query(q9, "9. [SQL] GPA trung bình của sinh viên kỳ vọng lương >= 15 triệu")

=============================================
9. [SQL] GPA trung bình của sinh viên kỳ vọng lương >= 15 triệu
=============================================
 Avg_GPA_High_Salary_Expectation  Count
                        5.664316    294

# 10. Truy vấn: Top 5 sinh viên có GPA cao nhất và Lĩnh vực (FIELD_PREF_MAPPED) họ ưu tiên
q10 = """
SELECT
    GENDER,
    MAJOR,
    GPA,
    FIELD_PREF_MAPPED
FROM
    data
ORDER BY
    GPA DESC
LIMIT 5;
"""
run_sql_query(q10, "10. [SQL] Top 5 sinh viên GPA cao nhất và Lĩnh vực ưu tiên")

# Đóng kết nối database sau khi hoàn tất
conn.close()
print("\n--- Hoàn tất truy vấn SQL. Đã đóng kết nối database. ---")

=============================================
10. [SQL] Top 5 sinh viên GPA cao nhất và Lĩnh vực ưu tiên
=============================================
GENDER             MAJOR  GPA FIELD_PREF_MAPPED
   Nam  Trí tuệ nhân tạo 10.0              Khác
   Nam  Trí tuệ nhân tạo 10.0 Kỹ thuật phần mềm
   Nam An toàn thông tin 10.0 Kỹ thuật phần mềm
   Nam Kỹ thuật phần mềm 10.0 Kỹ thuật phần mềm
   Nam An toàn thông tin 10.0 Kỹ thuật phần mềm

--- Hoàn tất truy vấn SQL. Đã đóng kết nối database. ---

# --- 1. GPA trung bình theo giới tính ---
avg_gpa_gender = df.groupby('GENDER')['GPA'].mean()
print("GPA trung bình theo giới tính:")
print(avg_gpa_gender)

# --- 2. GPA trung bình theo giới tính và kỳ học ---
avg_gpa_semester_gender = df.groupby(['SEMESTER', 'GENDER'])['GPA'].mean().reset_index()
print("\nGPA trung bình theo giới tính và kỳ học:")
print(avg_gpa_semester_gender)

# --- 3. Vẽ biểu đồ ---
plt.figure(figsize=(10,6))
sns.lineplot(
    data=avg_gpa_semester_gender,
    x='SEMESTER',
    y='GPA',
    hue='GENDER',
    marker='o'
)
plt.title('GPA trung bình theo giới tính và kỳ học')
plt.xlabel('Số kỳ học')
plt.ylabel('GPA trung bình')
plt.xticks(avg_gpa_semester_gender['SEMESTER'].unique())
plt.grid(True)
plt.show()

GPA trung bình theo giới tính:
GENDER
Không muốn nêu cụ thể    6.000000
Nam                      5.667755
Nữ                       5.408323
Name: GPA, dtype: float64

GPA trung bình theo giới tính và kỳ học:
    SEMESTER                 GENDER       GPA
0          0  Không muốn nêu cụ thể  8.200000
1          0                    Nam  1.666667
2          1  Không muốn nêu cụ thể  0.000000
3          1                    Nam  1.838571
4          1                     Nữ  0.888889
5          2  Không muốn nêu cụ thể  7.000000
6          2                    Nam  6.558849
7          2                     Nữ  6.735171
8          3  Không muốn nêu cụ thể  6.300000
9          3                    Nam  6.950947
10         3                     Nữ  7.491120
11         4  Không muốn nêu cụ thể  6.000000
12         4                    Nam  6.860150
13         4                     Nữ  7.000000
14         5  Không muốn nêu cụ thể  7.600000
15         5                    Nam  6.688220
16         5                     Nữ  6.063137
17         6                    Nam  6.666961
18         7                    Nam  7.266667
19         8                    Nam  7.400000
20         9                    Nam  7.442974

#2. Mối quan hệ giữa GPA và lĩnh vực IT mong muốn chọn
#→ Sinh viên có GPA cao thường chọn lĩnh vực nào (AI, Game Dev, Web, Security, v.v.)?

gpa_field_ref_mapped = df[df['GPA'] > 9][['FIELD_PREF_MAPPED', 'GPA']].sort_values(by ='GPA', ascending = False)
print(gpa_field_ref_mapped)

field_counts = gpa_field_ref_mapped['FIELD_PREF_MAPPED'].value_counts().reset_index()
field_counts.columns = ['FIELD_PREF_RAW', 'count']

print(field_counts)

     FIELD_PREF_MAPPED    GPA
10                Khác  10.00
11   Kỹ thuật phần mềm  10.00
18   Kỹ thuật phần mềm  10.00
35   Kỹ thuật phần mềm  10.00
66   Kỹ thuật phần mềm  10.00
380  Kỹ thuật phần mềm  10.00
97                Khác  10.00
187  Kỹ thuật phần mềm  10.00
136  Kỹ thuật phần mềm  10.00
193  Kỹ thuật phần mềm  10.00
314  Kỹ thuật phần mềm  10.00
263  Kỹ thuật phần mềm  10.00
257  Kỹ thuật phần mềm  10.00
339  Kỹ thuật phần mềm  10.00
375  Kỹ thuật phần mềm   9.50
19   Kỹ thuật phần mềm   9.20
67   An toàn thông tin   9.20
357               Khác   9.20
186               Khác   9.20
86   Kỹ thuật phần mềm   9.10
361  Kỹ thuật phần mềm   9.09
      FIELD_PREF_RAW  count
0  Kỹ thuật phần mềm     16
1               Khác      4
2  An toàn thông tin      1

#4. Yếu tố quan trọng nhất khi chọn công việc vs mức lương mong muốn
#→ Những sinh viên coi trọng "Cơ hội học hỏi" "Môi trường chuyên nghiệp" có mức lương mong muốn khác so với những người coi trọng "Lương cao" không?
chance_income = df[df['JOB_FACTOR_MAPPED'] == 'Môi trường chuyên nghiệp'][['JOB_FACTOR_MAPPED','SALARY_EXPECT']]
count_c_i = chance_income.groupby(['JOB_FACTOR_MAPPED','SALARY_EXPECT']).size().reset_index(name='count')
print(count_c_i)

incomepriotizer_income = df[df['JOB_FACTOR_MAPPED'] == 'Thu nhập'][['JOB_FACTOR_MAPPED','SALARY_EXPECT']]
count_i_i = incomepriotizer_income.groupby(['JOB_FACTOR_MAPPED','SALARY_EXPECT']).size().reset_index(name='count')
print(count_i_i)

          JOB_FACTOR_MAPPED  SALARY_EXPECT  count
0  Môi trường chuyên nghiệp       10000000      8
1  Môi trường chuyên nghiệp       15000000     17
2  Môi trường chuyên nghiệp       20000000     16
  JOB_FACTOR_MAPPED  SALARY_EXPECT  count
0          Thu nhập        5000000      4
1          Thu nhập       10000000     27
2          Thu nhập       15000000     42
3          Thu nhập       20000000     81

cross_tab = pd.crosstab(df['JOB_FACTOR_MAPPED'], df['SALARY_EXPECT'])
cross_tab = cross_tab.loc[['Môi trường chuyên nghiệp','Thu nhập']]
print(cross_tab)

SALARY_EXPECT             5000000   10000000  15000000  20000000
JOB_FACTOR_MAPPED                                               
Môi trường chuyên nghiệp         0         8        17        16
Thu nhập                         4        27        42        81

# 5.Làm việc cá nhân vs team ở trường vs mong muốn khi đi làm
#→ So sánh xu hướng: sinh viên thích làm project cá nhân ở trường thì ra trường có muốn startup độc lập không?
cross_tab = pd.crosstab(df['PROJECT_STYLE'], df['WORK_STYLE'])
print(cross_tab)

WORK_STYLE     Cá nhân  Nhóm
PROJECT_STYLE               
Cá nhân             60    76
Nhóm                31   216

#6.So sánh lương mong muốn theo chuyên ngành học hiện tại
#→ Sinh viên ngành AI có mức lương mong muốn khác biệt thế nào so với ngành Web/Software Engineering(Percentage)?
cross_tab = pd.crosstab(
    df['MAJOR'],
    df['SALARY_EXPECT'],
    normalize='index'
) * 100

# Chỉ lấy hai ngành AI và Web/Software Engineering
cross_tab = cross_tab.loc[['Trí tuệ nhân tạo', 'Kỹ thuật phần mềm']]

print(cross_tab.round(1))

SALARY_EXPECT      5000000   10000000  15000000  20000000
MAJOR                                                    
Trí tuệ nhân tạo        4.7      18.8      31.2      45.3
Kỹ thuật phần mềm       2.9      25.0      31.2      40.9

#7.Xu hướng quốc gia làm việc mong muốn vs GPA
#Sinh viên muốn ra nước ngoài (Mỹ, Nhật, Singapore) có GPA cao hơn trung bình so với những bạn muốn làm trong nước không?
df_not_zero = df[df["GPA"] > 0]
vn_mean = df_not_zero[df_not_zero["COUNTRY_PREF"].str.contains("Việt Nam", case=False, na=False)]["GPA"].mean()

# GPA trung bình của nhóm còn lại
others_mean = df_not_zero[~df_not_zero["COUNTRY_PREF"].str.contains("Việt Nam", case=False, na=False)]["GPA"].mean()

print("GPA trung bình - Việt Nam:", round(vn_mean, 2))
print("GPA trung bình - Nước ngoài:", round(others_mean, 2))

plt.bar(["Việt Nam", "Nước ngoài"], [vn_mean, others_mean], color=["#5DADE2", "#58D68D"])
plt.ylabel("Mean GPA")
plt.title("So sánh GPA trung bình: Việt Nam vs Nước ngoài")
plt.show()

GPA trung bình - Việt Nam: 6.83
GPA trung bình - Nước ngoài: 6.86

#8.Ngôn ngữ lập trình thành thạo vs job mơ ước
#→ Có sự khác biệt giữa nam và nữ mạnh về kỹ năng mềm hay chuyên môn hơn không?

# Bảng đếm tần suất theo giới tính và loại điểm mạnh
strength_table = df.groupby("GENDER")["STRENGTH"].value_counts(normalize=True).unstack(fill_value=0)*100

# Bổ sung thêm cột đếm số người chọn "Cả 2"
#strength_table["Số người chọn 'Cả 2'"] = df[df["STRENGTH"].str.contains("Cả", case=False, na=False)]["GENDER"].value_counts()

# Làm tròn và hiển thị
print(strength_table.round(1))

STRENGTH               Cả 2  Cả 2   \
GENDER                               
Không muốn nêu cụ thể  33.3    0.0   
Nam                    31.0    0.3   
Nữ                     26.3    0.0   

STRENGTH               Kỹ năng chuyên môn (lập trình, giải quyết kỹ thuật)  \
GENDER                                                                       
Không muốn nêu cụ thể                                               22.2     
Nam                                                                 34.5     
Nữ                                                                  15.8     

STRENGTH               Kỹ năng mềm (teamwork, thuyết trình, quản lý)  
GENDER                                                                
Không muốn nêu cụ thể                                           44.4  
Nam                                                             34.2  
Nữ                                                              57.9

#9.Phân tích sự tương quan giữa GPA và level code
#→ GPA cao có đồng nghĩa với việc tự đánh giá khả năng code cũng cao (Level 4–5)?

# Lọc dữ liệu hợp lệ (GPA > 0 và không NaN)
df_valid = df[df["GPA"] > 0]

# Xác định ngưỡng GPA cao (ví dụ > 7)
high_gpa = df_valid[df_valid["GPA"] > 7]
low_gpa  = df_valid[df_valid["GPA"] <= 7]

# Tính tỉ lệ người có code level 4–5 trong mỗi nhóm
high_ratio = (high_gpa["CODE_LEVEL"] >= 4).mean() * 100
low_ratio  = (low_gpa["CODE_LEVEL"] >= 4).mean() * 100

print(f"Tỉ lệ sinh viên GPA cao có code level ≥4: {high_ratio:.2f}%")
print(f"Tỉ lệ sinh viên GPA thấp hơn có code level ≥4: {low_ratio:.2f}%")

# Vẽ biểu đồ
import matplotlib.pyplot as plt

plt.bar(["GPA > 7", "GPA ≤ 7"], [high_ratio, low_ratio], color=["#5DADE2", "#58D68D"])
plt.ylabel("Tỉ lệ (%) có Code Level ≥4")
plt.title("So sánh giữa GPA cao và trình độ code tự đánh giá")
plt.show()

Tỉ lệ sinh viên GPA cao có code level ≥4: 10.34%
Tỉ lệ sinh viên GPA thấp hơn có code level ≥4: 4.68%

Show Data¶

Handing Missing value¶

Thống kê mô tả¶

Visualization¶

Correlation¶

Truy Vấn¶

	Timestamp	EMAIL	ID	GENDER	SEMESTER	MAJOR	GPA	SALARY_EXPECT	AFTER_GRAD	COUNTRY_PREF	PROJECT_STYLE	WORK_STYLE	STRENGTH	CODE_LEVEL	LANGUAGES	FIELD_PREF_MAPPED	JOB_FACTOR_MAPPED	JOB_ASPIRATION_GROUPED
0	9/25/2025 18:42:51	mtwitherr@gmail.com	SE181721	Không muốn nêu cụ thể	5	Vi mạch	7.600000	15000000	Đi làm ngay	Đa quốc gia	Nhóm	Nhóm	Cả 2	3	Tiếng Việt	Vi mạch	Thu nhập	Phát triển phần mềm
1	9/26/2025 9:27:43	thanhthanhc2314@gmail.com	SE194248	Nam	4	Trí tuệ nhân tạo	8.000000	15000000	Vừa làm vừa học thêm chứng chỉ/chuyên môn	Đa quốc gia	Nhóm	Nhóm	Kỹ năng mềm (teamwork, thuyết trình, quản lý)	3	Đa ngôn ngữ	Kỹ thuật phần mềm	Thu nhập	Dữ liệu & Trí tuệ nhân tạo
2	9/27/2025 7:48:43	dotruongphat9@gmail.com	SE192883	Nam	4	Kỹ thuật phần mềm	7.600000	20000000	Vừa làm vừa học thêm chứng chỉ/chuyên môn	Đa quốc gia	Nhóm	Nhóm	Cả 2	2	Đa ngôn ngữ	Kỹ thuật phần mềm	Thu nhập	Dữ liệu & Trí tuệ nhân tạo
3	9/27/2025 7:49:16	dngochan89@gmail.com	SE190041	Nữ	3	Trí tuệ nhân tạo	7.400000	20000000	Học tiếp Thạc sĩ/Tiến sĩ	Đa quốc gia	Nhóm	Nhóm	Kỹ năng mềm (teamwork, thuyết trình, quản lý)	1	Tiếng Việt	Kỹ thuật phần mềm	Môi trường chuyên nghiệp	Phát triển phần mềm
4	9/27/2025 7:49:17	nguyen20050303@gmail.com	SE190764	Nam	5	Hệ thống thông tin	5.157842	15000000	Vừa làm vừa học thêm chứng chỉ/chuyên môn	Đa quốc gia	Cá nhân	Nhóm	Kỹ năng chuyên môn (lập trình, giải quyết kỹ t...	3	Đa ngôn ngữ	Kỹ thuật phần mềm	Sự ổn định	Phát triển phần mềm

	0
Timestamp	383
EMAIL	383
ID	383
GENDER	383
SEMESTER	383
MAJOR	383
GPA	383
SALARY_EXPECT	383
AFTER_GRAD	383
COUNTRY_PREF	383
PROJECT_STYLE	383
WORK_STYLE	383
STRENGTH	383
CODE_LEVEL	383
LANGUAGES	383
FIELD_PREF_MAPPED	383
JOB_FACTOR_MAPPED	383
JOB_ASPIRATION_GROUPED	383